PulseAugur
中
实时 08:37:30
English(EN) SenCos-GEM: SENet-Calibrated and Law-of-Cosines-Constrained Geometry-Enhanced Molecular Representation for Property Prediction

新的SenCos-GEM框架提高了分子属性预测的准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了SenCos-GEM，一种新的分子表示学习框架，旨在提高分子属性预测的准确性。该方法利用余弦定理整合了物理引导的几何一致性，以创建鲁棒的3D空间先验，解决了现有方法中易受几何噪声和灾难性遗忘影响的局限性。SenCos-GEM还采用了轻量级SE模块和双调制预测头进行动态特征重新校准，在MoleculeNet等基准测试中取得了最先进的结果，尤其是在构象敏感回归任务上。 AI

影响 该新框架有望通过提高分子属性预测的准确性，从而推动药物发现和材料科学的发展。

排序理由 该集群包含一篇详细介绍分子表示学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的SenCos-GEM框架提高了分子属性预测的准确性

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Tianming Han, Li Zhang, Qi Zhao ·

    SenCos-GEM: 经SENet校准和余弦定律约束的几何增强分子表示用于属性预测

    arXiv:2607.20551v1 Announce Type: cross Abstract: Effective molecular representation learning is crucial for accurate molecular property prediction. Recently, numerous self-supervised learning (SSL) approaches leveraging 3D GNNs have been developed to capture comprehensive 3D str…

相关实体

相关话题